Mukti M Kusairi, Mukti (2022) Metode SVM dengan Fitur Representasi FastText untuk Klasifikasi Sentimen Twitter Mengenai Program Vaksinasi Covid-19. Long Short Term Memory for Sentimen Vaccine COVID19 Classification, 13 (02). pp. 140-150. ISSN 2477-3255

Preview

Text Mukti M Kusairi (11651103423)- Repository.pdf Download (3MB) | Preview

Abstract

Covid-19 merupakan virus yang memiliki tingkat penyebaran yang tinggi membuat pemerintah menerapkan program vaksinasi masal diseluruh Indonesia. Program ini banyak mendapat respon dari masyarakat, dengan opini atau komentar yang bermuatan positif dan negatif. Saat ini, respon masyarakat melalui media sosial juga menjadi masukan dan pertimbangan bagi pemerintah untuk melaksanakan suatu program. Oleh sebab itu, penelitian ini dilakukan untuk menghasilkan suatu pendekatan metode untuk menilai program vaksinasi Covid-19 dengan menghitung presentase kelas sentimen masing-masing. Metode yang digunakan Support Vector Machine (SVM) dan fitur fasttext language model sebagai representasi kata-kata pada dataset sentimen vaksinasi Covid-19 yang dikumpulkan dari Twitter. Data yang digunakan sudah dilakukan balancing dataset, seleksi fitur dan tuning parameter, diperoleh model SVM yang optimal dengan komposisi 2536 data training, 778 data development dan pengujian terhadap 400 data testing, menghasilkan nilai terbaik fi-1 score 59% dengan tingkat akurasi 68%. Sistem cukup berhasil mendeteksi adanya sentimen didalam tweet dibandingkan sebelumnya.

Actions (login required)

View Item